互信息医学图像配准中pv插值算法的改进

《互信息医学图像配准中pv插值算法的改进》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、ComputerEngineeringandApplications计算机工程与应用2010，46（20）113互信息医学图像配准中PV插值算法的改进陈伟卿，华顺刚，欧宗瑛CHENWei-qing，HUAShun-gang，OUZong-ying大连理工大学机械工程学院CAD&CG研究所，辽宁大连116024CAD&CGLab，SchoolofMechanicalEngineering，DalianUniversityofTechnology，Dalian，Liaoning116024，ChinaE-mail：cwqcgx_chen@

2、163.comCHENWei-qing，HUAShun-gang，OUZong-ying.ImprovementofPVinterpolationinmutualinformation-basedmedi-calimageregistration.ComputerEngineeringandApplications，2010，46（20）：113-115.Abstract：InalgorithmofmedicalimageregistrationbasedonMutualInformation（MI），whenthetranslati

3、oncomponentisintegertimesofpixelsize，conventionalPV（PartialVolume）interpolationmethodwillresultintheemergencyofthelocalextremesinmutualinformationregistrationfunction，whichmayhampertheoptimizationalgorithmfromgettingaccuratematchparameters.AnimprovedPVinterpolationmetho

4、disproposedbyusingBlackman-Harriswindowedsincfunctionaskernelfunction.Inaddition，thenumberofconcernedneighborhoodpixelsincreasesto16from4.Localextremesareeliminat-edeffectivelyandsmoothMIfunctioncurveisacquired.Theexperimentsshowthatthenewmethodisfeasibleandhashigherrob

5、ustness.Keywords：imageregistration；mutualinformation；partialvolumeinterpolation；localextremes；Blackman-Harriswindowedsincfunction摘要：基于互信息的医学图像配准算法中，传统的部分体积插值法（PV）使互信息函数在像素整数倍位移处产生局部极值，使优化算法陷于局部最优解，从而导致错误配准。提出用Blackman-Harris窗sinc函数作为核函数，对传统PV插值法进行改进，同时将参与插值的邻域点从4个增加到16个

6、，有效消除了局部极值，得到了光滑的互信息函数曲线。具体配准实验证明，该方法可行，且有更高的鲁棒性。关键词：图像配准；互信息；部分体积插值；局部极值；Blackman-Harris窗sinc函数DOI：10.3778/j.issn.1002-8331.2010.20.032文章编号：1002-8331（2010）20-0113-03文献标识码：Ａ中图分类号：TP791.41前言可能导致搜索陷入局部最优，影响配准的准确性。针对这个问题，文献[3-4]分别引入了B样条函数和近似sinc函数作为医学影像学的发展为临床诊断和治疗计划提供了有效的

7、PV插值的核函数。辅助手段，临床上通常要将一个病人的不同模式的成像结果本文提出了一种改进的PV插值法，用Blackman-Harris窗结合起来进行分析，或者将病人与正常人的图像进行对比以sinc函数取代传统PV插值法的核函数，将某点对联合直方图确定是否存在病理改变，以提高医学诊断与治疗的准确性。的影响从4个邻域点扩展到16个，有效抑制了函数曲线中的医学图像的配准成为这些应用的前提。医学图像配准，即通过寻找一种空间变换，使两幅图像的对应点达到空间位置和局部极值现象。解剖位置的完全一致。互信息作为一种图像相似性准则，于2互信息配准原理及

8、PV插值导致局部极值的原因1995年首次被应用到医学图像配准[1]。由于该测度不需要对待配准图像灰度间的关系作任何假设，也不需要对图像进行2.1互信息配准原理分割或任何预处理，因此受到广泛关注。然而，传统的互信息互信息是